sklearn数据集介绍

数据集

sklearn.datasets

• 加载获取流行数据集
• datasets.load_*()
  获取小规模数据集，数据包含在datasets里
• datasets.fetch_*(data_home=None)
  获取大规模数据集，需要从网络上下载，函数的第一个参数是data_home，表示数据集下载的目录,默认是 ~/scikit_learn_data/

获取数据集返回的类型

load和fetch返回的数据类型datasets.base.Bunch(字典格式)

• data：特征数据数组，是 [n_samples * n_features] 的二维 numpy.ndarray 数组
• target：标签数组，是 n_samples 的一维numpy.ndarray 数组
• DESCR：数据描述
• feature_names：特征名,新闻数据，手写数字、回归数据集没有
• target_names：标签名,回归数据集没有
  譬如：

# 加载鸢尾花的数据
from sklearn.datasets import load_iris
li = load_iris()
print('获取特征值')
print(li.data)
print('目标值')
print(li.target)

数据集进行分割

sklearn.model_selection.train_test_split(arrays, *options)

• x 数据集的特征值
• y 数据集的标签值 test_size 测试集的大小，一般为float
• random_state随机数种子,不同的种子会造成不同的随机 采样结果。相同的种子采样结果相同。
• return 训练集特征值，测试集特征值，训练标签，测试标签(默认随机取)

from sklearn.model_selection import train_test_split
# 注意返回值 训练集 测试集顺序不能乱
x_train,x_test,y_train,y_test = train_test_split(li.data,li.target,test_size=0.25)
print('训练集特征值和目标值:',x_train,y_train)
print('测试集特征值和目标值:',x_test,y_test)